أنثروبيك: كلود «يقود» 26% من البحث والتطوير في الذكاء الاصطناعي لديها عبر 30,000 وكيل يعملون بالتوازي

نشرت Anthropic في 17 سبتمبر 2026 «مؤشر أتمتة البحث والتطوير» (R&D Automation Index) — وهو مقياس أوّلي لمدى ما يؤديه Claude من أعمال البحث والتطوير في مجال الذكاء الاصطناعي داخل الشركة نفسها — وأفادت بأنه بحلول أغسطس كان النموذج «يقود» 26% من ذلك العمل، صعودًا من أقل من 1% في فبراير. وقد بلغ أكثر من 90% من العمل المقيس مستوى «الذكاء الاصطناعي يتعاون» أو أعلى منه، وكان نحو 30,000 وكيل ينفّذون مهام بحثية وهندسية في أي لحظة على المنصة الداخلية الأكثر استخدامًا لدى Anthropic. لم يقع أي اختراق ولم يتضرر أي طرف ثالث: فهذا إفصاح عن اتجاه في القدرات داخل مختبر واحد، وتذكر Anthropic أن Claude لا يعمل بشكل مستقل تمامًا — أي عند مستواه الأعلى AL5 — في أي مجموعة فرعية مقيسة من ذلك العمل. ويقع السجل الكامل لهذا الإفصاح في الأرشيف، مع تصنيفه ومصادره المذكورة، في أرشيف حوادث الذكاء الاصطناعي إلى جانب المدخلات الأخرى المتعلقة بالحوكمة في هذه السلسلة.

ما الذي يحصيه المؤشر فعليًا

يستعير المؤشر مقياس Epoch AI المكوَّن من ستة مستويات. AL0 هو "عدم مشاركة الذكاء الاصطناعي"، وAL1 "مشاركة دنيا للذكاء الاصطناعي"، وAL2 "الذكاء الاصطناعي يساعد". AL3 هو المستوى الذي تسميه Anthropic "يتعاون": فالنموذج "يمكنه إنجاز أجزاء كبيرة من العمل تحت توجيه بشري وثيق". AL4 هو "يقود": وهو "يمكنه إكمال معظم المهمة من طرف إلى طرف انطلاقًا من توجيه عالي المستوى، بينما يشرف الإنسان". AL5 — "يعمل الذكاء الاصطناعي باستقلالية كاملة، دون وجود إنسان في حلقة التحكم" — هو ما يدور حوله نقاش التحسين الذاتي التكراري في نهاية المطاف، وتصفه صفحة Anthropic بأنه "مستوى لم نصل إليه بعد".

أُنجز القياس في يوليو 2026. أخذت Anthropic عينات من 20% من الموظفين في الأقسام المعنية كل أسبوع، وكلّفت وكيل أبحاث Claude بمراجعة سجلات عملهم، وأنتجت قائمة تضم نحو 15,000 مهمة، نظّمتها الشركة في شجرة مجمّدة من 542 عقدة تضم 378 مهمة طرفية. وُزّنت الفئات بحسب مقدار وقت العمل البشري الذي تستهلكه. ويضيف تقرير InfoQ عن المنشور تفصيلًا يهم أي شخص أُخذت عينات من عمله: كان وكيل Claude يقرأ رسائل Slack والمستندات الداخلية لإعادة بناء ما فعله الأشخاص.

ثمة توضيحان يتبعان ذلك المنهج، وكلاهما يسهل فقدانه تحت العنوان الرئيسي. فنسبة 26% ليست 26% من كل مهمة سجّلتها Anthropic؛ فكما أفاد heise في 18 سبتمبر، هي حصة سلة العمل المرجّحة التي تقيّم Anthropic أنها تبلغ AL4. ولا يعني ذلك أن ربع البحث والتطوير في الشركة يعمل دون بشر — إذ يوضح InfoQ صراحةً أن الرقم لا يعني أن 26% من البحث والتطوير لدى Anthropic مؤتمت بالكامل، ولا أن 26% من باحثي الشركة قد استُبدلوا؛ بل يعني أن نحو ربع العمل يقع الآن في المرحلة التي يحدد فيها الإنسان الهدف ويشرف بينما يقوم Claude بمعظمه.

تأتي مقارنة فبراير من تعليق الرسم البياني على صفحة Anthropic: «يتصدّر Claude الآن 26% من مهام البحث والتطوير لنماذج Anthropic، ارتفاعًا من أقل من 1% في فبراير 2026». ولا تقدّم الصفحة أي سلسلة شهرية، لذا فإن الاتجاه كما هو مُفصح عنه نقطتان لا منحنى.

القاضي هو النموذج الذي يُحاكَم

لم تُنتَج التقييمات بواسطة لجنة مستقلة. يقرّ تقرير Anthropic بالمشكلة المركزية: إذ يمكن لنموذج الحَكَم أن "يرتكب الأنواع نفسها من الأخطاء التي يرتكبها النموذج الذي يفحصه". وفيما يتعلق بالتوافق التام، تطابق النموذج مع إنسان بنسبة 59% من الوقت؛ وتطابق إنسانان مع بعضهما بنسبة 35% من الوقت؛ ووقعت تقييمات النموذج والإنسان ضمن مستوى واحد من بعضها بنسبة 97% من الوقت. إن نسبة 35% الخاصة بتوافق الإنسان مع الإنسان هي التي تستخدمها Anthropic للاحتجاج بأن مهمة التقييم صعبة حقًا؛ وهي لا تُقدَّم كتحقق من صحة الحَكَم.

هناك حدّان إضافيان مذكوران على الصفحة بدلاً من أن يكتشفهما النقاد. ولا تزال الحالات الحدّية بين "يتعاون" و"يقود" محل خلاف، وهو بالضبط موضع نسبة 26%. ويمكن لسلة مهام مجمّدة أن تغفل عملاً لم يكن موجوداً عند تجميد السلة، رغم أن Anthropic تقول إن مقارنة أُجريت في يناير 2026 لم تجد ارتفاعاً في المهام المستجدة.

عند الفحص الخارجي، تصف الصفحة خطةً لا عملية تدقيق مكتملة. تقول الصفحة: "نخطط لضمّ مُقيّمين مستقلين من طرف ثالث من منظمات متعددة إلى Anthropic" — وهو ترتيب مصوغ بصيغة المستقبل، وليس تدقيقًا جاريًا. والفحص الخارجي المكتمل الوحيد الذي تستشهد به هو أن METR أجرت بشكل مستقل اختبار الفريق الأحمر على منصتها للمراقبة غير المتصلة. وفي تقرير heise الصادر في 18 سبتمبر، فإن التحفظات هي تحفظات Anthropic نفسها؛ ولا يقتبس الموقع الألماني أي خبير خارجي يتحدى المؤشر. لقد أعادت منافذ إعلامية مستقلة إنتاج الأرقام، لا التحقق منها، وهذا التمييز هو أهم ما ينبغي أخذه من التغطية.

ثلاثون ألف وكيل، والسجل الذي يتبعهم

إلى جانب مؤشر الأتمتة، كشفت Anthropic عن حجم مجموعة الوكلاء الكامنة وراءه: "نحو 30,000 وكيل يقومون بأعمال البحث والهندسة في Anthropic في أي وقت واحد" على منصتها الداخلية الأكثر استخدامًا. وبقراءة مباشرة، فإن ذلك يمثل عددًا للتزامن لا حصرًا لعدد وكلاء مختلفين على مدى فترة، وتعرضه heise بصياغة أكثر حذرًا بعبارة وكلاء "نشطون في وقت واحد في بعض الأحيان خلال أغسطس".

صُممت الضوابط التي تصفها Anthropic لجعل تلك الفئة قابلة للتدقيق بدلاً من أن تكون مجهولة. فلكل وكيل «هوية فردية»، وكل البيانات التي ينشئها مرتبطة بتلك الهوية؛ والهوية «غير مرتبطة بنموذج، بل تظل قائمة عبر ترقيات النموذج»، بحيث «يمكن تدقيق كل إجراء لكل وكيل عبر الزمن» و«يمكن ربط كل سجل بيانات بوكيل محدد». يتواصل الوكلاء «عبر نظام مراسلة مشترك ومفتوح، بدلاً من التواصل بشكل خاص»؛ وكل رسالة مرتبطة بهوية الوكيل الذي نشرها، ويمكنها الارتباط بمحتوى آخر بحيث تُحفظ المراجع الأصلية، ويُشار إليها مرجعيًا مع سجلات الوكلاء بحيث يمكن للمراقبة أن «تتتبع التواصل بين الوكلاء».

أرقام الرقابة هي الجزء الذي يبدو وكأنه سجل حادث، رغم أن السجل يصنّف هذا الإفصاح بأنه معلوماتي. تمر كل عملية عبر المراقب المتصل قبل التنفيذ، عادة خلال ثوانٍ؛ ويُستوعَب كل إجراء دون اتصال بعد اتخاذه؛ وتُراجَع الإجراءات المحظورة من قِبل إنسان خلال أسبوع. ومن بين أكثر من مليار قرار في أغسطس، تم حظر 0.002% — «حوالي 1 من كل 47,000» — منها. يعمل وضع العلامات دون اتصال بمعدل نسخة نصية إلى نسختين لكل ألف، أي نحو 100,000 نص أسبوعيًا، مع تصعيد نحو 50 حالة عالية الأولوية إلى البشر.

معدل الحجب ليس معدل أمان. فهو يقيس عدد المرات التي يوقف فيها المراقب إجراءً، لا عدد الإجراءات التي كانت خاطئة، وتُبلغ Anthropic عنه إلى جانب رقم التغطية — 100% من الإجراءات عبر الإنترنت تُفحص قبل التنفيذ — والذي يصف نطاق وصول المراقب. وينطبق التفاوت نفسه على تخصيص القدرة الحاسوبية: خلال الأسبوع من 13 إلى 20 يوليو، "خُصص نحو 6% من القدرة الحاسوبية المخصصة للبحث والتطوير في الذكاء الاصطناعي للسلامة"، لترتفع إلى "نحو 12% من القدرة الحاسوبية المخصصة للبحث والتطوير في الذكاء الاصطناعي المدعوم بالذكاء الاصطناعي". وتصف Anthropic تلك الأرقام بأنها "تقديرات متحفظة عمدًا"، مستمدة من عينة تبلغ نحو 14% من قرابة 10,000 عملية تدريب وتقييم بحثية، مرجحة نحو العمليات الأعلى استهلاكًا للقدرة الحاسوبية، وتشير إلى أن حصة القدرة الحاسوبية تقيس الإنفاق لا الجهد.

ماذا يعني «التحسين الذاتي التكراري» هنا

تربط Anthropic المؤشر بالتحسين الذاتي التكراري، الذي يعرّفه مقالها المصاحب بأنه "نموذج يبني خليفته بشكل مستقل تمامًا". وموقف المقال واضح لا لبس فيه: "لم نصل إلى هناك بعد، والتحسين الذاتي التكراري ليس حتميًا". وهو يضع حلقة مغلقة بالكامل في مرحلة افتراضية موسومة بعنوان "إغلاق الحلقة" ومؤرخة بـ"20XX؟"، حيث يبني الوكلاء النماذج ويدربونها، وتحسّن أنظمة Claude المستقبلية Claude نفسه. وتقول إن البشر ما زالوا، اليوم، يقدمون الهدف؛ وما تغيّر هو أن "لم يعد عليهم تقديم الطريقة".

ويشرح المقال أيضًا لماذا يُقصد قراءة المؤشر كمقياس مسافة لا كمحطة فارقة. عمل AL4 — حيث يُكمل Claude معظم مهمة انطلاقًا من توجيه عالي المستوى بينما يشرف إنسان — هو المستوى الذي تشير إليه نسبة 26%. أما AL5، أي الاستقلالية الكاملة دون وجود إنسان في الحلقة، فهو المستوى الذي تقول Anthropic إنها لم تبلغه. والفجوة بين المستويين هي الموضوع.

ما هو مُثبت، وما هو مُستنتج

مُثبَت.نشرت Anthropic هذه القياسات في 17 سبتمبر 2026، وهو التاريخ الذي يحمله السجل بدقة اليوم. ولا تُظهر صفحة الفهرس المباشرة أي تاريخ نشر مرئي خاص بها، بينما يحمل المقال المرافق ختم «Update 9/18/2026». أما الأرقام — 26%، وأقل من 1% في فبراير، وأكثر من 90% عند AL3 أو أعلى، ونحو 30,000 وكيل، و0.002% من القرارات محجوبة، و6% و12% من الحوسبة — فهي أرقام Anthropic نفسها، مذكورة على صفحاتها وأُعيد نشرها بواسطة heise وInfoQ خلال يوم.

مُثبَت. لم يبلغ أي مجموعة فرعية مقيسة من أعمال البحث والتطوير في الذكاء الاصطناعي المستوى AL5، ولم يُبلَّغ عن أي ضرر لأي طرف ثالث، وحقل الضرر الفعلي في السجل فارغ. صُنِّف السجل بدرجة ثقة A من حيث التوثيق، وليس موسومًا بأنه محل نزاع، ويحمل درجة خطورة "info"، وهو ما يعكس عدم تسجيل أي ضرر لا أي شيء يتعلق بمدى جودة توثيق مصادر الوثيقة.

غير مُثبت. أن كلود «يقود» 26% من البحث والتطوير لدى أنثروبيك بأي معنى مستقل عن تقييم أنثروبيك نفسه. فالقياس تجريه الشركة، والحَكَم كان نموذج كلود، والمقيّمون الخارجيون الذين تصفهم الصفحة مخطط لهم وليسوا قائمين بالفعل. وتبلغ نسبة التوافق التام 59% بين الحَكَم والإنسان، وهي الرقم الذي ينبغي وضعه إلى جانب العنوان الرئيسي.

غير مُثبت. أن يستمر الاتجاه، أو أنه يشير إلى تحسين ذاتي تكراري. وتمتنع Anthropic عن ادعاء أي منهما، والمقارنة بين نقطتين بين فبراير وأغسطس ليست تنبؤًا. ولا يثبت معدل الحجب أن مجموعة الوكلاء تحت السيطرة؛ بل يثبت أن مراقبًا رأى كل إجراء عبر الإنترنت وأوقف نحو واحد من كل 47,000.

تقدير، لا قياس. أن ارتفاعاً من أقل من 1% إلى 26% خلال ستة أشهر يمثّل وتيرة سريعة. لا شيء في الإفصاح يحدّد عتبة تصبح عندها الوتيرة مشكلة، كما أن صياغة Anthropic تترك هذا التقدير للأطراف الثالثة التي تقول إنها ستضمّنها.

تطالب أنثروبيك بالنشر المنتظم لأرقام قابلة للمقارنة وبالتحقق المستقل، وفق ما يورده موقع heise — وهو أيضاً أوضح بيان لما ليس عليه المؤشر بعد. وإلى أن يصبح المقيّمون الخارجيون داخل حلقة التقييم، فإن نسبة 26% ليست سوى مختبر يقيس نفسه بأداته الخاصة: أكثر تحديداً من بيان صحفي، ولكنها ليست تدقيقاً.